本文關(guān)鍵詞：基于自適應(yīng)壓縮感知的圖像處理算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：壓縮感知理論是信號(hào)處理方面一個(gè)新興的革命性理論。在采樣階段,依據(jù)各圖像塊的稀疏度不同自適應(yīng)選擇采樣率,可以有效提高壓縮采樣效率,節(jié)省存儲(chǔ)和傳輸資源。因此自適應(yīng)采樣方法成為壓縮感知研究領(lǐng)域的一個(gè)熱點(diǎn)。圖像邊緣提取后的邊緣信息與離散余弦變換系數(shù)都是衡量圖像塊復(fù)雜度的重要標(biāo)準(zhǔn)。本文針對(duì)應(yīng)用壓縮感知理論自適應(yīng)壓縮采樣圖像時(shí),采樣率及稀疏度閾值確定具有很強(qiáng)的主觀(guān)性,提出一種基于稀疏度擬合的精確自適應(yīng)采樣方法。該算法通過(guò)循環(huán)迭代來(lái)確定各個(gè)稀疏度下滿(mǎn)足PSNR要求的最低采樣率,利用最小二乘法對(duì)稀疏度及采樣率數(shù)據(jù)進(jìn)行擬合,得到稀疏度-采樣率選取的最佳目標(biāo)函數(shù)。基于TVAL3重構(gòu)算法對(duì)上述自適應(yīng)采樣算法進(jìn)行了實(shí)驗(yàn)仿真,結(jié)果表明,重構(gòu)圖像的PSNR均高于用相同值的固定采樣率重構(gòu)得到的PSNR值,其中紋理特征區(qū)分明顯的圖像此PSNR差值能達(dá)到3.5dB以上。相比粗糙自適應(yīng)算法,在平均采樣率比其降低的同時(shí),重構(gòu)圖像仍得到了更高的PSNR值。另外,本文結(jié)合Bessel邊緣檢測(cè)算法和利用邊緣檢測(cè)信息的多尺度分塊壓縮感知采樣方法,提出一種更準(zhǔn)確的利用邊緣檢測(cè)信息自適應(yīng)決定采樣率的算法,與原有算法相比在相同采樣率下,接收端圖像獲得了更好的重構(gòu)質(zhì)量,尤其對(duì)于紋理復(fù)雜圖像也有明顯的改進(jìn)效果。
【關(guān)鍵詞】：壓縮感知 自適應(yīng)采樣 稀疏度 數(shù)據(jù)擬合 Bessel邊緣檢測(cè)
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 研究背景和意義10-11
• 1.2 國(guó)內(nèi)外發(fā)展趨勢(shì)和研究現(xiàn)狀11-14
• 1.2.1 壓縮感知采樣算法發(fā)展及研究現(xiàn)狀12
• 1.2.2 壓縮感知重構(gòu)算法發(fā)展及研究現(xiàn)狀12-14
• 1.3 論文章節(jié)安排14-16
• 第2章 壓縮感知理論16-31
• 2.1 壓縮感知理論簡(jiǎn)介16-18
• 2.1.1 壓縮感知問(wèn)題描述16
• 2.1.2 壓縮感知理論數(shù)學(xué)模型16-18
• 2.2 壓縮感知理論的研究?jī)?nèi)容18-21
• 2.2.1 信號(hào)的稀疏變換18-19
• 2.2.2 設(shè)計(jì)合適的觀(guān)測(cè)矩陣19-21
• 2.3 壓縮感知理論的關(guān)鍵問(wèn)題21-27
• 2.3.1 分塊壓縮感知的描述21
• 2.3.2 信號(hào)的重構(gòu)算法21-27
• 2.4 壓縮感知理論的硬件實(shí)現(xiàn)27-28
• 2.5 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)28-29
• 2.6 壓縮感知理論的應(yīng)用前景29-30
• 2.7 本章小結(jié)30-31
• 第3章 基于稀疏度擬合的圖像自適應(yīng)壓縮感知算法31-46
• 3.1 分塊壓縮感知31
• 3.2 基于TV準(zhǔn)則的圖像分塊重構(gòu)算法31-36
• 3.2.1 最小全變分算法(TV)31-32
• 3.2.2 TV準(zhǔn)則的梯度計(jì)算方法32-33
• 3.2.3 不同重構(gòu)算法實(shí)驗(yàn)結(jié)果分析比較33-36
• 3.3 不同采樣率重構(gòu)效果的比較36-37
• 3.4 圖像稀疏度的判斷準(zhǔn)則37
• 3.5 精確自適應(yīng)選擇采樣率37-39
• 3.6 基于最小二乘法的數(shù)據(jù)擬合39-43
• 3.6.1 擬合優(yōu)度原理及最佳階數(shù)選擇39-41
• 3.6.2 實(shí)驗(yàn)擬合結(jié)果41-43
• 3.7 實(shí)驗(yàn)結(jié)果及分析43-45
• 3.8 本章小結(jié)45-46
• 第4章 基于Bessel邊緣提取的多尺度自適應(yīng)壓縮感知46-63
• 4.1 小波變換46-49
• 4.1.1 小波的概念46
• 4.1.2 小波展開(kāi)46-47
• 4.1.3 小波多分辨分析47-49
• 4.2 小波多尺度BCS理論基礎(chǔ)49-51
• 4.2.1 MS-BCS-SPL問(wèn)題描述49-50
• 4.2.2 多尺度重構(gòu)算法50-51
• 4.3 Bessel邊緣檢測(cè)方法51-55
• 4.3.1 Bessel邊緣檢測(cè)方法介紹51-52
• 4.3.2 實(shí)驗(yàn)仿真參數(shù)設(shè)置及說(shuō)明52-53
• 4.3.3 Bessel邊緣檢測(cè)方法優(yōu)勢(shì)及分析53-55
• 4.4 利用Bessel邊緣提取的多尺度自適應(yīng)采樣方法55-58
• 4.5 實(shí)驗(yàn)仿真結(jié)果與分析58-61
• 4.5.1 實(shí)驗(yàn)說(shuō)明及參數(shù)設(shè)置58
• 4.5.2 分塊大小及分解尺寸對(duì)算法性能的影響58-59
• 4.5.3 實(shí)驗(yàn)整體性能結(jié)果與分析59-61
• 4.6 本章小結(jié)61-63
• 第5章 總結(jié)與展望63-65
• 5.1 全文總結(jié)63
• 5.2 未來(lái)工作展望63-65
• 參考文獻(xiàn)65-69
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單69-70
• 致謝70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 張淑芳;李凱;徐江濤;瞿廣財(cái);;基于壓縮感知的圖像自適應(yīng)編碼算法[J];天津大學(xué)學(xué)報(bào);2012年04期

2 謝曉春;賴(lài)昭勝;楊漢祥;;基于壓縮感知理論的視頻編解碼器[J];電視技術(shù);2010年05期

3 李樹(shù)濤;魏丹;;壓縮傳感綜述[J];自動(dòng)化學(xué)報(bào);2009年11期

4 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期

5 龍輝平;習(xí)勝豐;侯新華;;實(shí)驗(yàn)數(shù)據(jù)的最小二乘擬合算法與分析[J];計(jì)算技術(shù)與自動(dòng)化;2008年03期

  本文關(guān)鍵詞：基于自適應(yīng)壓縮感知的圖像處理算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：402337